AI และ Machine Learning ต่างกันอย่างไร

0

AI และ Machine Learning เป็นสองคำยอดฮิตที่แทบจะพบเห็นได้ทุกวงการในปัจจุบัน AI และ Machine Learning ต่างกันอย่างไร สรุปมาให้อ่านกันแบบง่ายๆแล้วในบทความนี้

AI คืออะไร

Artificial Intelligence หรือปัญญาประดิษฐ์นั้น เป็นศาสตร์ที่ศึกษา “ปัญญา” ที่มนุษย์สร้างขึ้น โดยปัญญาเหล่านี้อาจเป็นระบบที่เรียนรู้ คิดวิเคราะห์จากข้อมูลแวดล้อมจนสามารถกระทำการใดๆที่สามารถบรรลุเป้าหมายที่กำหนดไว้ได้ หรือก็คือมีความฉลาดในการแก้ปัญหาใดปัญหาหนึ่งนั่นเอง

สิ่งมีชีวิตทั่วไปนั้นมี “ปัญญา” หรือความฉลาดโดยธรรมชาติ เช่นมนุษย์ที่สามารถเรียนรู้วิชาการ หรือสุนัขที่สามารถปฏิบัติตามคำสั่งเพื่อรับรางวัลได้ ทว่าการที่เราจะประดิษฐ์ปัญญาขึ้นมาให้คล้ายคลึงกับปัญญาธรรมชาติที่ตอบสนองต่อเป้าหมายที่หลากหลายได้เป็นอย่างดีนั้นยังคงเป็นเรื่องที่ซับซ้อนเกินไป ในปัจจุบันการศึกษาวิจัยด้านปัญญาประดิษฐ์จึงถูกแบ่งออกเป็นหลายหมวดหมู่ เช่น

  • การให้เหตุผล
  • การแก้ไขปัญหา
  • การตอบคำถามจากความรู้ที่มี
  • การเรียนรู้เพื่อพัฒนาตัวเอง
  • การขยับและเคลื่อนไหวตามสถานการณ์
  • การรับรู้สภาพแวดล้อม
  • การแสดงอารมณ์ความรู้สึก

นอกจากนี้ ก็ยังมีความพยายามในการสร้างปัญญาที่สามารถตอบสนองต่อเป้าหมายหลายอย่างได้เช่นปัญญาธรรมชาติด้วย โดยเราเรียกสาขาการศึกษานี้ว่า General Intelligence

ปัจจุบัน มีการนำปัญญาประดิษฐ์ไปประยุกต์ใช้งานอยู่ในชีวิตประจำวันหลากหลายรูปแบบ โดยตัวอย่างที่เราจะได้พบเจอกันบ่อยก็มีเช่น ระบบแนะนำ (Recommendation System) ในการซื้อสินค้าออนไลน์หรือแอปสตรีมมิ่ง ระบบอัตโนมัติต่างๆ ระบบ Chat bot และผู้ช่วยอัจฉริยะอย่าง Siri และ Google Assistant ระบบบอทในเกม และระบบช่วยปรับแต่งภาพถ่าย เป็นต้น

แล้ว Machine Learning ล่ะ?

Machine Learning คือการสร้างให้คอมพิวเตอร์ หรือโปรแกรม สามารถเรียนรู้และพัฒนาการทำงานของตัวเองให้ดีขึ้นได้จากจากข้อมูลและสภาพแวดล้อม โดยไม่ต้องมีมนุษย์คอยกำกับหรือเขียนโปรแกรมเพิ่มเติมในการเรียนรู้ เมื่อดูจากนิยามแล้วเราจะเห็นว่า Machine Learning นั้นเป็นสาขาหนึ่งของ AI นั่นเอง

Machine Learning จะใช้ข้อมูลและวิธีการทางสถิติในการฝึกฝนตัวเองให้เก่งขึ้น หรือสามารถทำงานได้อย่างแม่นยำมากขึ้น โดยทั่วไปแล้ว เมื่อรับข้อมูลเข้าไป Machine Learning จะนำข้อมูลนั้นไปวิเคราะห์ผลลัพธ์ออกมา แล้วนำไปเปรียบเทียบว่าผลลัพธ์นั้นห่างจากผลลัพธ์ที่ควรจะเป็นมากน้อยแค่ไหนผ่าน Error Function จากนั้นจึงพยายามปรับปรุงการทำงาน (Optimize) ของตัวเอง

ในปัจจุบันแล้ว Machine Learning มักจะถูกแบ่งออกเป็น 4 ประเภทตามลักษณะการทำงาน ได้แก่

  1. Supervised Learning – โมเดลที่เรียนรู้จากข้อมูลตัวอย่างที่ป้อนเข้าไป โดยข้อมูลตัวอย่างมีการระบุคำตอบอย่างชัดเจน (Labeled, Structured Data) โมเดลในกลุ่มนี้ที่พบบ่อยก็จะมีได้แก่ การทำนายผล, การระบุประเภท (Classification), และ Regression
  2. Unsupervised Learning – โมเดลที่รับข้อมูลเข้าไปเพื่อค้นหาแพทเทิร์นและความสัมพันธ์ภายในชุดข้อมูลนั้นๆ มักถูกใช้ในงานประเภทจัดกลุ่ม (Clustering)
  3. Semi-supervised Learning – โมเดลที่สามารถเรียนรู้จากข้อมูลที่มีผลลัพธ์ระบุ (Labeled Data) ในจำนวนน้อย และสามารถขยายผลไปทำงานกับข้อมูลอื่นๆได้ โดยส่วนมากจะเป็นการนำเทคนิค Unsupervised Learning มาเสริมการทำงานให้กับโมเดลแบบ Supervised Learning และมักพบบ่อยในงานประเภทการวิเคราะห์ภาพถ่าย หรือการวิเคราะห์ข้อความหรือคำพูด
  4. Reinforcement Learning – โมเดลที่สามารถเรียนรู้ที่จะทำงานผ่านการลองผิดลองถูก โดยผู้พัฒนาอาจตั้งเป้าหมาย Feedback Loop และเงื่อนไขในการได้รับรางวัล (Reward) ของโมเดล และโมเดลจะต้องพยายามเรียนรู้และพัฒนาตัวเองเพื่อให้ได้รับรางวัลมากที่สุด กรณีการใช้งานที่จะได้พบบ่อยคือการใช้ Reinforcement Learning เพื่อสร้างระบบที่เล่นวิดีโอเกม หรือโมเดลอย่าง AlphaGo ที่สามารถเล่นโกะได้เป็นอย่างดีก็เป็นการเรียนรู้ผ่านวิธีนี้เช่นกัน

ทั้ง 4 ประเภทนี้เป็นเพียงการแบ่ง Machine Learning ออกเพียงคร่าวๆ และอาจจะไม่ตรงกันนักในแต่ละสำนัก โดยในปัจจุบันมีงานวิจัยและการคิดค้นมากมายที่พยายามทำลายข้อจำกัดของโมเดล Machine Learning ในแต่ละประเภทให้สามารถทำงานได้ดีขึ้น มีข้อจำกัดน้อยลง และสามารถนำมาใช้ประโยชน์ในชีวิตประจำวันได้มากขึ้น

AI และ Machine Learning ในชีวิตประจำวัน

ถึงแม้ว่า AI และ Machine Learning นั้นจะเป็นเรื่องที่ฟังดูแล้วซับซ้อนและใหม่ แต่จริงๆแล้วในปัจจุบันมีการนำ AI และ Machine Learning มาใช้งานในชีวิตประจำวันของพวกเราอย่างแพร่หลาย ในเรื่องง่ายๆอย่างการแนะนำสินค้าน่าสนใจในแอปพลิเคชันช็อปปิ้ง การคัดกรองอีเมลขยะ การพยากรณ์อากาศ หรือการปลดล็อคหน้าจอสมาร์ทโฟนผ่านการสแกนใบหน้า

AI และ Machine Learning นั้นเป็นคำที่ได้รับความสนใจอยู่เสมอ ดังนั้นจึงมีการยก 2 คำนี้ขึ้นมาพูดถึงคู่กัน หรือใช้คำว่า AI แทนการพูดถึง Machine Learning อยู่บ่อยๆในหน้าสื่อ โฆษณา และการนำเสนอผลิตภัณฑ์ต่างๆ ซึ่งเมื่อเรารู้แล้วว่า AI และ Machine Learning คืออะไร ก็จะสามารถพิจารณาได้ว่าเทคโนโลยีที่แท้จริงคืออะไร ซับซ้อนล้ำสมัยหรือไม่ และสามารถประเมินคุณค่าของ “AI” และ “Machine Learning” ได้อย่างถูกต้อง

เรียนรู้เกี่ยวกับ AI และ Machine Learning เพิ่มเติมได้ที่

ไอคอนจาก Freepik Eucalyp Vitaly Gorbachev บนเว็บไซต์ Flaticon